1、使用最新版本的 Node.js

僅僅是簡(jiǎn)單的升級(jí) Node.js 版本就可以輕松地獲得性能提升，因?yàn)閹缀跞魏涡掳姹镜?Node.js 都會(huì)比老版本性能更好，為什么?

Node.js 每個(gè)版本的性能提升主要來自于兩個(gè)方面：

• V8 的版本更新;
• Node.js 內(nèi)部代碼的更新優(yōu)化。

例如最新的 V8 7.1 中，就優(yōu)化了某些情形下閉包的逃逸分析，讓 Array 的一些方法得到了性能提升：

 

 

 

 

Node.js 的內(nèi)部代碼，隨著版本的升級(jí)，也會(huì)有明顯的優(yōu)化，比如下面這個(gè)圖就是 require 的性能隨著 Node.js 版本升級(jí)的變化：

 

 

 

 

每個(gè)提交到 Node.js 的 PR 都會(huì)在 review 的時(shí)候考慮會(huì)不會(huì)對(duì)當(dāng)前性能造成衰退。同時(shí)也有專門的 benchmarking 團(tuán)隊(duì)來監(jiān)控性能變化，你可以在這里看到 Node.js 的每個(gè)版本的性能變化：

https://benchmarking.nodejs.org/

所以，你可以完全對(duì)新版本 Node.js 的性能放心，如果發(fā)現(xiàn)了任何在新版本下的性能衰退，歡迎提交一個(gè) issue。

如何選擇 Node.js 的版本?

這里就要科普一下 Node.js 的版本策略：

• Node.js 的版本主要分為 Current 和 LTS;
• Current 就是當(dāng)前最新的、依然處于開發(fā)中的 Node.js 版本;
• LTS 就是穩(wěn)定的、會(huì)長(zhǎng)期維護(hù)的版本;
• Node.js 每六個(gè)月(每年的四月和十月)會(huì)發(fā)布一次大版本升級(jí)，大版本會(huì)帶來一些不兼容的升級(jí);
• 每年四月發(fā)布的版本(版本號(hào)為偶數(shù)，如 v10)是 LTS 版本，即長(zhǎng)期支持的版本，社區(qū)會(huì)從發(fā)布當(dāng)年的十月開始，繼續(xù)維護(hù) 18 + 12 個(gè)月(Active LTS + Maintaince LTS);
• 每年十月發(fā)布的版本(版本號(hào)為奇數(shù)，例如現(xiàn)在的 v11)只有 8 個(gè)月的維護(hù)期。

舉個(gè)例子，現(xiàn)在(2018年11月)，Node.js Current 的版本是 v11，LTS 版本是 v10 和 v8。更老的 v6 處于 Maintenace LTS，從明年四月起就不再維護(hù)了。去年十月發(fā)布的 v9 版本在今年六月結(jié)束了維護(hù)。

 

 

 

 

對(duì)于生產(chǎn)環(huán)境而言，Node.js 官方推薦使用最新的 LTS 版本，現(xiàn)在是 v10.13.0。

2、使用 fast-json-stringify 加速 JSON 序列化

在 JavaScript 中，生成 JSON 字符串是非常方便的： 

const json = JSON.stringify(obj) 

但很少人會(huì)想到這里竟然也存在性能優(yōu)化的空間，那就是使用 JSON Schema 來加速序列化。

在 JSON 序列化時(shí)，我們需要識(shí)別大量的字段類型，比如對(duì)于 string 類型，我們就需要在兩邊加上 "，對(duì)于數(shù)組類型，我們需要遍歷數(shù)組，把每個(gè)對(duì)象序列化后，用 , 隔開，然后在兩邊加上 [ 和 ]，諸如此類等等。

但如果已經(jīng)提前通過 Schema 知道每個(gè)字段的類型，那么就不需要遍歷、識(shí)別字段類型，而可以直接用序列化對(duì)應(yīng)的字段，這就大大減少了計(jì)算開銷，這就是 fast-json-stringfy 的原理。

根據(jù)項(xiàng)目中的跑分，在某些情況下甚至可以比 JSON.stringify 快接近 10 倍!

 

 

 

 

一個(gè)簡(jiǎn)單的示例： 

const fastJson = require('fast-json-stringify') 
const stringify = fastJson({ 
    title: 'Example Schema', 
    type: 'object', 
    properties: { 
        name: { type: 'string' }, 
        age: { type: 'integer' }, 
        books: { 
            type: 'array', 
            items: { 
                type: 'string', 
                uniqueItems: true 
            } 
        } 
    } 
}) 
 
console.log(stringify({ 
    name: 'Starkwang', 
    age: 23, 
    books: ['C++ Primier', '響け！ユーフォニアム～'] 
})) 
//=> {"name":"Starkwang","age":23,"books":["C++ Primier","響け！ユーフォニアム～"]}  

在 Node.js 的中間件業(yè)務(wù)中，通常會(huì)有很多數(shù)據(jù)使用 JSON 進(jìn)行，并且這些 JSON 的結(jié)構(gòu)是非常相似的(如果你使用了 TypeScript，更是這樣)，這種場(chǎng)景就非常適合使用 JSON Schema 來優(yōu)化。

3、提升 Promise 的性能

Promise 是解決回調(diào)嵌套地獄的靈丹妙藥，特別是當(dāng)自從 async/await 全面普及之后，它們的組合無疑成為了 JavaScript 異步編程的終極解決方案，現(xiàn)在大量的項(xiàng)目都已經(jīng)開始使用這種模式。

但是優(yōu)雅的語法后面也隱藏著性能損耗，我們可以使用 github 上一個(gè)已有的跑分項(xiàng)目進(jìn)行測(cè)試，以下是測(cè)試結(jié)果： 

file                               time(ms)  memory(MB) 
callbacks-baseline.js                   380       70.83 
promises-bluebird.js                    554       97.23 
promises-bluebird-generator.js          585       97.05 
async-bluebird.js                       593      105.43 
promises-es2015-util.promisify.js      1203      219.04 
promises-es2015-native.js              1257      227.03 
async-es2017-native.js                 1312      231.08 
async-es2017-util.promisify.js         1550      228.74 
 
Platform info: 
Darwin 18.0.0 x64 
Node.JS 11.1.0 
V8 7.0.276.32-node.7 
Intel(R) Core(TM) i5-5257U CPU @ 2.70GHz × 4  

我們可以從結(jié)果中看到，原生 async/await + Promise 的性能比 callback 要差很多，并且內(nèi)存占用也高得多。對(duì)于大量異步邏輯的中間件項(xiàng)目而言，這里的性能開銷還是不能忽視的。

通過對(duì)比可以發(fā)現(xiàn)，性能損耗主要來自于 Promise 對(duì)象自身的實(shí)現(xiàn)，V8 原生實(shí)現(xiàn)的 Promise 比 bluebird 這樣第三方實(shí)現(xiàn)的 Promise 庫要慢很多。而 async/await 語法并不會(huì)帶來太多的性能損失。

所以對(duì)于大量異步邏輯、輕量計(jì)算的中間件項(xiàng)目而言，可以在代碼中把全局的 Promise 換為 bluebird 的實(shí)現(xiàn)： 

global.Promise = require('bluebird'); 

4、正確地編寫異步代碼

使用 async/await 之后，項(xiàng)目的異步代碼會(huì)非常好看： 

const foo = await doSomethingAsync(); 
const bar = await doSomethingElseAsync();  

但因此，有時(shí)我們也會(huì)忘記使用 Promise 給我們帶來的其它能力，比如 Promise.all() 的并行能力： 

// bad 
async function getUserInfo(id) { 
    const profile = await getUserProfile(id); 
    const repo = await getUserRepo(id) 
    return { profile, repo } 
} 
 
// good 
async function getUserInfo(id) { 
    const [profile, repo] = await Promise.all([ 
        getUserProfile(id), 
        getUserRepo(id) 
    ]) 
    return { profile, repo } 
}  

還有比如 Promise.any()(此方法不在ES6 Promise標(biāo)準(zhǔn)中，也可以使用標(biāo)準(zhǔn)的 Promise.race() 代替)，我們可以用它輕松實(shí)現(xiàn)更加可靠快速的調(diào)用： 

async function getServiceIP(name) { 
    // 從 DNS 和 ZooKeeper 獲取服務(wù) IP，哪個(gè)先成功返回用哪個(gè) 
    // 與 Promise.race 不同的是，這里只有當(dāng)兩個(gè)調(diào)用都 reject 時(shí)，才會(huì)拋出錯(cuò)誤 
    return await Promise.any([ 
        getIPFromDNS(name), 
        getIPFromZooKeeper(name) 
    ]) 
}   

5、優(yōu)化 V8 GC

關(guān)于 V8 的垃圾回收機(jī)制，已經(jīng)有很多類似的文章了，這里就不再重復(fù)介紹。推薦兩篇文章：

• 解讀 V8 GC Log(一): Node.js 應(yīng)用背景與 GC 基礎(chǔ)知識(shí)
• 解讀 V8 GC Log(二): 堆內(nèi)外內(nèi)存的劃分與 GC 算法

我們?cè)谌粘ｉ_發(fā)代碼的時(shí)候，比較容易踩到下面幾個(gè)坑：

坑一：使用大對(duì)象作為緩存，導(dǎo)致老生代(Old Space)的垃圾回收變慢

示例： 

const cache = {} 
async function getUserInfo(id) { 
    if (!cache[id]) { 
        cache[id] = await getUserInfoFromDatabase(id) 
    } 
    return cache[id] 
}  

這里我們使用了一個(gè)變量 cache 作為緩存，加速用戶信息的查詢，進(jìn)行了很多次查詢后，cache 對(duì)象會(huì)進(jìn)入老生代，并且會(huì)變得無比龐大，而老生代是使用三色標(biāo)記 + DFS 的方式進(jìn)行 GC 的，一個(gè)大對(duì)象會(huì)直接導(dǎo)致 GC 花費(fèi)的時(shí)間增長(zhǎng)(而且也有內(nèi)存泄漏的風(fēng)險(xiǎn))。

解決方法就是：

• 使用 Redis 這樣的外部緩存，實(shí)際上像 Redis 這樣的內(nèi)存型數(shù)據(jù)庫非常適合這種場(chǎng)景;
• 限制本地緩存對(duì)象的大小，比如使用 FIFO、TTL 之類的機(jī)制來清理對(duì)象中的緩存。

坑二：新生代空間不足，導(dǎo)致頻繁 GC

這個(gè)坑會(huì)比較隱蔽。

Node.js 默認(rèn)給新生代分配的內(nèi)存是 64MB(64位的機(jī)器，后同)，但因?yàn)樾律?GC 使用的是 Scavenge 算法，所以實(shí)際能使用的內(nèi)存只有一半，即 32MB。

當(dāng)業(yè)務(wù)代碼頻繁地產(chǎn)生大量的小對(duì)象時(shí)，這個(gè)空間很容易就會(huì)被占滿，從而觸發(fā) GC。雖然新生代的 GC 比老生代要快得多，但頻繁的 GC 依然會(huì)很大地影響性能。極端的情況下，GC 甚至可以占用全部計(jì)算時(shí)間的 30% 左右。

解決方法就是，在啟動(dòng) Node.js 時(shí)，修改新生代的內(nèi)存上限，減少 GC 的次數(shù)： 

node --max-semi-space-size=128 app.js 

當(dāng)然有人肯定會(huì)問，新生代的內(nèi)存是不是越大越好呢?

隨著內(nèi)存的增大，GC 的次數(shù)減少，但每次 GC 所需要的時(shí)間也會(huì)增加，所以并不是越大越好，具體數(shù)值需要對(duì)業(yè)務(wù)進(jìn)行壓測(cè) profile 才能確定分配多少新生代內(nèi)存最好。

但一般根據(jù)經(jīng)驗(yàn)而言，分配 64MB 或者 128MB 是比較合理的。

6、正確地使用 Stream

Stream 是 Node.js 最基本的概念之一，Node.js 內(nèi)部的大部分與 IO 相關(guān)的模塊，比如 http、net、fs、repl，都是建立在各種 Stream 之上的。

下面這個(gè)經(jīng)典的例子應(yīng)該大部分人都知道，對(duì)于大文件，我們不需要把它完全讀入內(nèi)存，而是使用 Stream 流式地把它發(fā)送出去： 

const http = require('http'); 
const fs = require('fs'); 
 
// bad 
http.createServer(function (req, res) { 
    fs.readFile(__dirname + '/data.txt', function (err, data) { 
        res.end(data); 
    }); 
}); 
 
// good 
http.createServer(function (req, res) { 
    const stream = fs.createReadStream(__dirname + '/data.txt'); 
    stream.pipe(res); 
});  

在業(yè)務(wù)代碼中合理地使用 Stream 能很大程度地提升性能，當(dāng)然是但實(shí)際的業(yè)務(wù)中我們很可能會(huì)忽略這一點(diǎn)，比如采用 React 服務(wù)器端渲染的項(xiàng)目，我們就可以用 renderToNodeStream： 

const ReactDOMServer require('react-dom/server') 
const http = require('http') 
const fs = require('fs') 
const app = require('./app') 
 
// bad 
const server = http.createServer((req, res) => { 
    const body = ReactDOMServer.renderToString(app) 
    res.end(body) 
}); 
 
// good 
const server = http.createServer(function (req, res) { 
    const stream = ReactDOMServer.renderToNodeStream(app) 
    stream.pipe(res) 
}) 
 
server.listen(8000)  

使用 pipeline 管理 stream

在過去的 Node.js 中，處理 stream 是非常麻煩的，舉個(gè)例子： 

source.pipe(a).pipe(b).pipe(c).pipe(dest) 

一旦其中 source、a、b、c、dest 中，有任何一個(gè) stream 出錯(cuò)或者關(guān)閉，會(huì)導(dǎo)致整個(gè)管道停止，此時(shí)我們需要手工銷毀所有的 stream，在代碼層面這是非常麻煩的。

所以社區(qū)出現(xiàn)了 pump 這樣的庫來自動(dòng)控制 stream 的銷毀。而 Node.js v10.0 加入了一個(gè)新的特性：stream.pipeline，可以替代 pump 幫助我們更好的管理 stream。

一個(gè)官方的例子： 

const { pipeline } = require('stream'); 
const fs = require('fs'); 
const zlib = require('zlib'); 
 
pipeline( 
    fs.createReadStream('archive.tar'), 
    zlib.createGzip(), 
    fs.createWriteStream('archive.tar.gz'), 
    (err) => { 
        if (err) { 
            console.error('Pipeline failed', err); 
        } else { 
            console.log('Pipeline succeeded'); 
        } 
    } 
);  

實(shí)現(xiàn)自己的高性能 Stream

在業(yè)務(wù)中你可能也會(huì)自己實(shí)現(xiàn)一個(gè) Stream，可讀、可寫、或者雙向流，可以參考文檔：

• implementing Readable streams
• implementing Writable streams

Stream 雖然很神奇，但自己實(shí)現(xiàn) Stream 也可能會(huì)存在隱藏的性能問題，比如： 

class MyReadable extends Readable { 
    _read(size) { 
        while (null !== (chunk = getNextChunk())) { 
            this.push(chunk); 
        } 
    } 
}  

當(dāng)我們調(diào)用 new MyReadable().pipe(xxx) 時(shí)，會(huì)把 getNextChunk() 所得到的 chunk 都 push 出去，直到讀取結(jié)束。但如果此時(shí)管道的下一步處理速度較慢，就會(huì)導(dǎo)致數(shù)據(jù)堆積在內(nèi)存中，導(dǎo)致內(nèi)存占用變大，GC 速度降低。

而正確的做法應(yīng)該是，根據(jù) this.push() 返回值選擇正確的行為，當(dāng)返回值為 false 時(shí)，說明此時(shí)堆積的 chunk 已經(jīng)滿了，應(yīng)該停止讀入。 

class MyReadable extends Readable { 
    _read(size) { 
        while (null !== (chunk = getNextChunk())) { 
            if (!this.push(chunk)) { 
                return false   
            } 
        } 
    } 
}  

這個(gè)問題在 Node.js 官方的一篇文章中有詳細(xì)的介紹：Backpressuring in Streams

7、C++ 擴(kuò)展一定比 JavaScript 快嗎?

Node.js 非常適合 IO 密集型的應(yīng)用，而對(duì)于計(jì)算密集的業(yè)務(wù)，很多人都會(huì)想到用編寫 C++ Addon 的方式來優(yōu)化性能。但實(shí)際上 C++ 擴(kuò)展并不是靈丹妙藥，V8 的性能也沒有想象的那么差。

比如，我在今年九月份的時(shí)候把 Node.js 的 net.isIPv6() 從 C++ 遷移到了 JS 的實(shí)現(xiàn)，讓大多數(shù)的測(cè)試用例都獲得了 10%- 250% 不等的性能提升(具體PR可以看這里)。

JavaScript 在 V8 上跑得比 C++ 擴(kuò)展還快，這種情況多半發(fā)生在與字符串、正則表達(dá)式相關(guān)的場(chǎng)景，因?yàn)?V8 內(nèi)部使用的正則表達(dá)式引擎是 irregexp，這個(gè)正則表達(dá)式引擎比 boost 中自帶的引擎(boost::regex)要快得多。

還有一處值得注意的就是，Node.js 的 C++ 擴(kuò)展在進(jìn)行類型轉(zhuǎn)換的時(shí)候，可能會(huì)消耗非常多的性能，如果不注意 C++ 代碼的細(xì)節(jié)，性能會(huì)很大地下降。

這里有一篇文章對(duì)比了相同算法下 C++ 和 JS 的性能(需翻墻)：How to get a performance boost using Node.js native addons。其中值得注意的結(jié)論就是，C++ 代碼在對(duì)參數(shù)中的字符串進(jìn)行轉(zhuǎn)換后(String::Utf8Value轉(zhuǎn)為std::string)，性能甚至不如 JS 實(shí)現(xiàn)的一半。只有在使用 NAN 提供的類型封裝后，才獲得了比 JS 更高的性能。 

 

 

 

換句話說，C++ 是否比 JavaScript 更加高效需要具體問題具體分析，某些情況下，C++ 擴(kuò)展不一定就會(huì)比原生 JavaScript 更高效。如果你對(duì)自己的 C++ 水平不是那么有信心，其實(shí)還是建議用 JavaScript 來實(shí)現(xiàn)，因?yàn)?V8 的性能比你想象的要好得多。

8、使用 node-clinic 快速定位性能問題

說了這么多，有沒有什么可以開箱即用，五分鐘見效的呢?當(dāng)然有。

node-clinic 是 NearForm 開源的一款 Node.js 性能診斷工具，可以非?？焖俚囟ㄎ恍阅軉栴}。 

npm i -g clinic  
npm i -g autocannon  

使用的時(shí)候，先開啟服務(wù)進(jìn)程： 

clinic doctor -- node server.js 

然后我們可以用任何壓測(cè)工具跑一次壓測(cè)，比如使用同一個(gè)作者的 autocannon(當(dāng)然你也可以使用 ab、curl 這樣的工具來進(jìn)行壓測(cè)。)： 

autocannon http://localhost:3000 

壓測(cè)完畢后，我們 ctrl + c 關(guān)閉 clinic 開啟的進(jìn)程，就會(huì)自動(dòng)生成報(bào)告。比如下面就是我們一個(gè)中間件服務(wù)的性能報(bào)告： 

 

 

 

我們可以從 CPU 的使用曲線看出，這個(gè)中間件服務(wù)的性能瓶頸不在自身內(nèi)部的計(jì)算，而在于 I/O 速度太慢。clinic 也在上面告訴我們檢測(cè)到了潛在的 I/O 問題。

下面我們使用 clinic bubbleprof 來檢測(cè) I/O 問題： 

clinic bubbleprof -- node server.js 

再次進(jìn)行壓測(cè)后，我們得到了新的報(bào)告： 

 

 

 

這個(gè)報(bào)告中，我們可以看到，http.Server 在整個(gè)程序運(yùn)行期間，96% 的時(shí)間都處于 pending 狀態(tài)，點(diǎn)開后，我們會(huì)發(fā)現(xiàn)調(diào)用棧中存在大量的 empty frame，也就是說，由于網(wǎng)絡(luò) I/O 的限制，CPU 存在大量的空轉(zhuǎn)，這在中間件業(yè)務(wù)中非常常見，也為我們指明了優(yōu)化方向不在服務(wù)內(nèi)部，而在服務(wù)器的網(wǎng)關(guān)和依賴的服務(wù)相應(yīng)速度上。

想知道如何讀懂 clinic bubbleprof 生成的報(bào)告，可以看這里：https://clinicjs.org/bubblepr...

同樣，clinic 也可以檢測(cè)到服務(wù)內(nèi)部的計(jì)算性能問題，下面我們做一些“破壞”，讓這個(gè)服務(wù)的性能瓶頸出現(xiàn)在 CPU 計(jì)算上。

我們?cè)谀硞€(gè)中間件中加入了空轉(zhuǎn)一億次這樣非常消耗 CPU 的“破壞性”代碼： 

function sleep() { 
    let n = 0 
    while (n++ < 10e7) { 
        empty() 
    } 
} 
function empty() { } 
 
module.exports = (ctx, next) => { 
    sleep() 
    // ...... 
    return next() 
}  

然后使用 clinic doctor，重復(fù)上面的步驟，生成性能報(bào)告： 

 

 

 

這就是一個(gè)非常典型的同步計(jì)算阻塞了異步隊(duì)列的“病例”，即主線程上進(jìn)行了大量的計(jì)算，導(dǎo)致 JavaScript 的異步回調(diào)沒法及時(shí)觸發(fā)，Event Loop 的延遲極高。

對(duì)于這樣的應(yīng)用，我們可以繼續(xù)使用 clinic flame 來確定到底是哪里出現(xiàn)了密集計(jì)算： 

clinic flame -- node app.js 

壓測(cè)后，我們得到了火焰圖(這里把空轉(zhuǎn)次數(shù)減少到了100萬次，讓火焰圖看起來不至于那么極端)： 

 

 

 

從這張圖里，我們可以明顯看到頂部的那個(gè)大白條，它代表了 sleep 函數(shù)空轉(zhuǎn)所消耗的 CPU 時(shí)間。根據(jù)這樣的火焰圖，我們可以非常輕松地看出 CPU 資源的消耗情況，從而定位代碼中哪里有密集的計(jì)算，找到性能瓶頸。